 ▲華為常務董事、華為云CEO張平安發布盤古大模型5.0  盤古大模型5.0，在全系列、多模態、強思維 三個方面做了全新升級 全系列：盤古大模型5.0包含不同參數規格的模型，以適配不同的業務場景。十億級參數的Pangu E系列可支撐手機、PC等端側的智能應用；百億級參數的Pangu P系列，適用于低時延、高效率的推理場景；千億級參數的Pangu U系列適用于處理復雜任務；萬億級參數的Pangu S系列超級大模型能夠幫助企業處理更為復雜的跨領域多任務。 多模態：盤古大模型5.0能夠更好更精準地理解物理世界，包括文本、圖片、視頻、雷達、紅外、遙感等更多模態。在圖片和視頻識別方面，可支持10K超高分辨率；在內容生成方面，采用業界首創的STCG（Spatio Temporal Controllable Generation，可控時空生成）技術，聚焦自動駕駛、工業制造、建筑等多個行業場景，可生成更加符合物理規律的多模態內容。  ▲升級后多模態理解能力得到了大幅提升看得更細致，理解更聰明  ▲《清明上河圖》海量信息中大海撈針的挑戰也能輕松應對 強思維：復雜邏輯推理是大模型成為行業助手的關鍵。盤古大模型5.0將思維鏈技術與策略搜索深度結合，極大地提升了數學能力、復雜任務規劃能力以及工具調用能力。   過去一年中，盤古大模型持續深耕行業 已在30多個行業、400多個場景中落地
盤古大模型5.0通過創新的可控時空生成技術，結合場景視頻生成、4D BEV視頻生成、自動駕駛仿真庫及路網信息，能更好地理解物理規律，大規模生成和實際場景相一致的駕駛視頻數據，還可以靈活增加控制條件，生成不同路況、不同光照、不同天氣的訓練視頻數據，加速自動駕駛技術的快速成熟。  ▲生成車身四周，六個攝像頭視角的視頻 可直接用于自動駕駛訓練  ▲生成晴天，雨天，黑夜的行車視頻 讓自動駕駛學會應對豐富多樣的場景變化
以新車造型設計為例，周期一般需要1-2年，盤古大模型可以讓汽車的造型設計時間大幅縮短。造型設計師可以將自己的靈感，通過對話、畫圖與大模型交互，生成3D汽車數字模型，并可進行風格化調整、零部件編輯、顏色更換等。盤古大模型生成的數字模型還可直接輸出成3D文件，支持10幾種主流格式，設計師可以直接3D打印成樣品，減少制作油泥模型的輪次，極大地節省成本和時間。 除了汽車造型設計，盤古大模型還可以用于汽車的工裝設計、模具設計，以及電子產品領域的工業設計等。
基于盤古大模型的可控生成能力，只需輸入設計的黑白草圖，即可生成彩色并帶有紋理的建筑群360°實景視頻；基于盤古3D重建能力，還可以構建出高真實感的建筑3D模型，將復雜建筑群的概念設計周期從數周縮短到數十分鐘，助力建筑師創造出更加出色的建筑作品。 
盤古大模型能夠讓機器人完成10步以上的復雜任務規劃，并且在任務執行中實現多場景泛化和多任務處理。同時盤古大模型還能生成機器人需要的訓練視頻，讓機器人更快地學習各種復雜場景。 
盤古大模型能夠將實拍視頻快速轉換成特定風格的動漫，并保持角色樣貌特征前后一致，舞蹈、武打等大運動軌跡也能確保合理一致的視覺效果；能自動將視頻譯制成不同語言，并保留原始角色的音色、情感、語氣；將譯制配音、動漫生成等場景的制作周期從月級縮短到天級，大大提升制作效率，作品一次拍攝多元化制作，實現價值最大化。  還能通過AI翻譯和擬人化語音合成能力，實現AI同聲傳譯，讓云會議、視頻通話等可以實現母語交流體驗。
全國每天需要檢測的動車大概有3.2萬節車廂，過去需要大量的巡檢工人在凌晨時段去完成，耗時耗力。如今結合盤古大模型和巡檢機器人，可精準識別一列動車的3.2萬個項點，覆蓋8大類、350多種復雜故障，幫助高鐵提升運營效率，降低成本，減少人工在凌晨時段去巡檢的艱辛作業。
以上海寶武鋼鐵熱軋生產線為例，每次調整生產鋼板的種類和尺寸，都需要工程師重新調整7道精軋機組的300多個參數，需要耗費約5天的時間。盤古大模型能夠對最優參數進行預測，顯著降低熱軋生產線調優時間，并提高預測精度和鋼板成材率。目前盤古大模型目前已在寶鋼1880熱軋生產線上線，預測精度提高5%以上，鋼板成材率提升0.5%，預計每年可以多產鋼板2萬余噸，年收益達9000余萬元。此外，盤古大模型還將應用于高爐場景，對爐溫、鐵水溫度、硅含量等爐況進行仿真，從而輔助高爐精準控制，充分利用每一分能源，降低能源成本。
華為云聯合深圳市氣象局，在分辨率為25公里的全球模型基礎上，融合區域高質量氣象數據集，升級了分辨率分別為1公里、3公里、5公里的區域預報能力，包含氣溫、降雨、風速等氣象要素。不僅如此，今年華為云還聯合天融環境打造了環境大模型，將污染六項的預測準確度全面提升10％以上。
天士力基于盤古大模型打造“數智本草大模型”。一方面基于盤古的L0基礎模型，學習訓練了4000多萬篇文獻，尤其是學習了1000多本古籍，從古方古籍和現代文獻中總結出知識和經驗，可以賦能方劑篩選和優化、提升研發效率，也能輔助醫生問診。另一方面，天士力在盤古17億化合物的藥物分子大模型基礎上，增訓了350萬天然產物分子數據，未來有望更好地優化方劑和發現新藥。 華為云對昇騰AI云服務進行持續優化。業界萬億參數模型訓練的平均無中斷時長約2.8天，昇騰AI云服務可實現40天無中斷；業界平均集群故障恢復時間約60分鐘，昇騰AI云服務可以縮短到10分鐘，同時能將大模型的資源開通時間從月級縮短到天級，加速大模型的開發。 目前昇騰AI云服務已全面適配行業主流的100多個大模型，以云服務的方式協助客戶開發，訓練，托管和應用模型，打造百模千態的“黑土地”。 大模型訓練推理用華為云昇騰AI云服務 澎湃算力，即開即用 華為云CTO張宇昕表示，通過全棧系統性創新，能夠讓大模型的數據準備、訓練、推理、應用實現全流程的高效率和高性能。華為云的全棧系統性創新覆蓋了數據中心、云平臺架構和基礎設施服務，為AI開發提供AI Native的基礎設施。 當前云平臺在大模型的訓練和使用中通常存在“算力墻”“內存墻”“能效墻”等問題。為此，華為云打造了下一代的云基礎設施CloudMatrix，改變傳統數據中心的架構和算力供給模式，將傳統的以CPU為中心的主從架構，演進為多元算力對等全互聯架構；并通過高速互聯網絡協議，將CPU、NPU、GPU等算力資源全部互聯和池化，從而把AI算力從單體算力演進到矩陣算力，開啟智能算力新紀元。 同時，針對云平臺在大模型的訓練和使用中存在的“內存墻”問題，華為云正式發布EMS彈性內存存儲服務，基于Memory Pooling專利技術，通過顯存擴展、算力卸載、以存代算等三大手段來打破內存墻，釋放極致算力。 基于新一代云基礎設施和EMS彈性內存存儲服務、昇騰AI云服務等創新，華為云已經在貴安、烏蘭察布和蕪湖，構建了三大AI算力中心CloudOcean；同時也在華北、華東、華南等熱點區域部署了AI算力資源池CloudSea；還通過華為云CloudLake和CloudPond邊緣云平臺，將AI算力推到客戶身邊，提供最低時延的AI訓推服務。由此，華為云打造了云、網、邊、端協同的AI Native的算力平臺，提供給開發者、客戶和伙伴使用。 盤古大模型也是基于華為云的AI平臺開發。會上，華為諾亞方舟實驗室主任姚駿從數據高效、參數高效和算力高效三個方面介紹了盤古大模型5.0的訓練過程。 ▲華為諾亞方舟實驗室主任姚駿介紹盤古大模型5.0關鍵創新 同時，華為云對AI開發生產線ModelArts進行升級，在AI開發基礎設施和流水線之上，構建了大模型即服務平臺ModelArts Studio，提供百模千態的第三方大模型托管服務，支持對大模型定制開發，并提供相應的工具和行業集成套件，讓客戶可以方便地將大模型與業務系統結合。 除了系統性創新，華為云還將盤古大模型和華為在產品研發、數據治理、安全防護、業務運維等各個領域積累的數據和經驗相結合，“跳了自己的降落傘”，應用在了華為云CodeArts、DataArts、MetaStudio和GaussDB、云安全等系列云服務的智能化上。將華為云的服務重塑和升級，從而更智能、更高效。
華為云是華為公司面向開發者的統一底座，目標打造昇騰、鴻蒙、鯤鵬、GaussDB、歐拉等各項根技術的生態，給廣大開發者一個更優的選擇。
技術創新要和行業場景需緊密結合才能真正實現深耕行業，華為云派出500+技術專家深入行業，了解客戶需求，解決行業難題。 深入行業解難題、做難事
|
|
|
來自： 獨角戲jlahw6jw > 《Av2》
